本發明公開了一種EIGRP路由網絡的FDEMC故障分析方法，所述FDEMC故障分析方法是基于EM算法和高斯混合模型GMM的聚類方法，實現對EIGRP路由數據的無監督分析，該方法包括以下步驟：采集所述EIGRP路由網絡中的路由報文進行特征提取和數據預處理，形成訓練樣本集；使用所述訓練樣本集訓練所述高斯混合模型GMM以獲取訓練完成的聚類模型；獲取所述EIGRP路由網絡的測試樣本，將所述測試樣本輸入所述訓練完成的聚類模型中，以獲取所述測試樣本的分類結果。通過該方法的執行可實現對EIGRP路由網絡故障類型的分析判斷，尤其可以對EIGRP路由網絡中的未知故障進行分析判斷。此外，本發明還公開了一種EIGRP路由網絡的FDEMC故障分析系統。

技術領域

本發明涉及通信技術領域，尤其涉及一種路由網絡故障的分析方法和系統。

背景技術

隨著互聯網技術的快速發展，網絡產品在生產生活中越來越普及，網絡體量和復雜度不斷增長，IP網絡逐漸向提供高品質業務方向發展，用戶對網絡服務的質量和網絡品質提出了更高的要求，IP網絡監測已成為網絡管理的一種重要手段，由于路由的服務質量直接影響到整個網絡的運行質量，因此對路由故障的監測成為了網絡監測中的一項重要內容。

路由故障指路由協議運行偏離正常狀態的情況。路由網絡故障診斷按自治域可分為域內路由識別和域間路由識別，增強型內部網關路由協議EIGRP(Enhanced InteriorGateway Protocol，EIGRP)屬于域內路由協議，具有部署簡單、可靠性強、魯棒性好等優點，常應用于高可靠性、高安全性的網絡領域，例如銀行系統和軍隊系統。如果EIGRP路由協議在運行過程中發生異常或故障，將會造成非常嚴重的后果，因此有效識別EIGRP路由網絡中出現的故障和異常，對于維護網絡的正常運行具有重要意義。

Shaikh·A等人提出了兩種不同的開放式最短路徑優先(Open Shortest PathFirst，OSPF)路由協議監測方法，一種是基于管理平臺的SNMP方法，另一種是基于LSAR與LSAG的控制平臺方法，其已將控制平臺方法應用于實際的企業OSPF網絡中以監測分析OSPF在實際環境中的各種行為表現；Shaikh·A等人還詳細提出了這個監測方法的具體架構，并實現了這個識別方法。近些年來，機器學習被引入到網絡故障診斷領域，已經有研究人員將機器學習中的神經網絡算法和支持向量機應用于網絡故障監測中并取得良好的實驗結果，驗證了機器學習算法在這一領域應用的可行性。然而，路由網絡故障智能診斷領域的研究主要都集中于OSPF路由協議，對于EIGRP路由協議網絡的故障智能診斷研究仍處于缺失狀態；進一步，現有的基于神經網絡和支持向量機的方法均是在包括類別標簽的樣本基礎上來分析故障類型的，即他們是一種有監督的識別方法，這種方法的局限性在于只能識別已有的類別(即所述的類別標簽)，不能根據實際應用的演變及時識別出新的故障類型，這可能會導致分類的不準確和不合理。

EIGRP路由協議中信息傳遞主要通過可靠傳輸協議(RTP)和鄰居發現和恢復兩個模塊實現；EIGRP路由協議網絡中路由器的路由信息都來自于直連的鄰接路由器，每個路由器中只存有鄰接路由器端口路由信息，而鄰接路由器會以同樣的方式從與它們直連的鄰接路由器獲取路由信息，其本身的運行機制和傳統的OSPF路由協議、RIP路由協議不同，不能簡單照搬其他路由協議的故障診斷方法，因此，網絡管理員亟需一種既能夠診斷EIGRP路由故障，又能夠及時識別未知故障類型的智能分析識別技術。

發明內容

本發明公開一種基于EM算法和高斯混合模型GMM的EIGRP路由網絡的FDEMC故障分析方法和系統，解決了現有技術中無法針對EIGRP路由故障進行分析，且不能及時識別未知路由故障的技術問題。